빈이의 AI이야기

개발을 하다 보면 터미널 환경을 벗어나지 않고 AI의 도움을 받아 코드를 작성하고 수정하고 싶을 때가 많다. 특히 프로젝트 규모가 커질수록 단순한 코드 자동완성보다는 기존 소스코드를 분석하고, 여러 파일을 수정하고, 오류 원인을 찾아 해결하는 AI 코딩 에이전트의 필요성이 커진다. 최근에는 IDE에 내장된 AI 기능뿐 아니라 터미널에서 직접 실행하는 AI 코딩 도구도 주목받고 있다. 그중 하나가 바로 오픈소스 AI 코딩 에이전트인 **OpenCode**다. OpenCode는 터미널(TUI), 데스크톱 앱, 웹 인터페이스 등 다양한 환경을 지원하며, Claude, GPT, Gemini 등 여러 AI 모델을 연결해 사용할 수 있다.  이번 글에서는 OpenCode의 개념부터 npm을 이용한 설치, Google AI Studio에서 Gemini 무료 API 키를 발급받는 방법, 그리고 OpenAI API 키를 발급받아 연결하는 과정까지 단계별로 살펴보겠다. 특히 하나의 AI 모델에 종속되지 않고 Gemini와 OpenAI를 필요에 따라 바꿔 사용할 수 있다는 점에 주목해 보자. 1. OpenCode란 무엇인가? OpenCode는 개발자가 터미널에서 AI와 대화하며 실제 프로젝트 코드를 분석하고 수정할 수 있도록 지원하는 오픈소스 AI 코딩 에이전트다. 일반적인 AI 챗봇은 개발자가 코드를 복사해서 질문하고, 답변으로 받은 코드를 다시 편집기에 붙여 넣는 방식으로 사용한다. 반면 OpenCode는 프로젝트 디렉터리에서 실행하면 현재 작업 중인 소스코드와 파일 구조를 파악하고, 사용자의 요청에 따라 파일을 읽거나 수정하는 작업을 수행할 수 있다. 예를 들어 다음과 같은 작업을 요청할 수 있다. 현재 프로젝트의 전체 디렉터리 구조와 주요 모듈 분석 특정 함수의 실행 흐름과 코드 동작 설명 반복되는 코드를 공통 함수로 리팩토링 컴파일 오류나 런타임 오류의 원인 분석 기존 코드 스타일을 유지하면서 새로운 기능 추가 테스트 코드 작성 및 ...

 최근 AI 개발 분야에서는 LLM의 성능뿐 아니라 AI가 외부 시스템과 어떻게 연결되고 실제 작업을 수행하는지가 중요한 주제로 떠오르고 있습니다. 대규모 언어 모델(LLM)이 질문에 답하는 수준을 넘어 데이터베이스를 조회하고, 파일을 읽고, 개발 도구를 사용하며, 여러 시스템을 연결해 작업을 수행하는 구조가 주목받고 있기 때문입니다. 이 과정에서 자주 등장하는 기술이 바로 MCP(Model Context Protocol) 입니다. MCP는 AI 모델 자체를 더 똑똑하게 만드는 기술이라기보다, AI 애플리케이션이 외부 도구와 데이터에 접근하는 방식을 표준화하는 프로토콜입니다. 그렇다면 MCP는 기존의 API나 Function Calling과 무엇이 다를까요? 그리고 AI Agent 개발에서 MCP가 중요한 이유는 무엇일까요? 이번 글에서는 MCP의 기본 개념부터 아키텍처, 실제 작동 방식, 개발 시 고려해야 할 부분까지 살펴보겠습니다. 1. MCP란 무엇인가? MCP(Model Context Protocol)는 AI 애플리케이션이 외부 데이터 소스와 도구에 연결할 수 있도록 통신 방식을 표준화한 프로토콜입니다. Anthropic이 2024년 11월 공개했으며, 이후 다양한 AI 개발 도구와 애플리케이션에서 활용되고 있습니다. 쉽게 설명하면 MCP는 AI와 외부 시스템 사이에서 공통으로 사용하는 연결 규격입니다. 예를 들어 AI Agent가 다음과 같은 작업을 수행한다고 가정해 보겠습니다. 프로젝트 폴더에 있는 파일을 읽습니다. 데이터베이스에서 특정 정보를 조회합니다. GitHub에서 이슈 목록을 가져옵니다. 개발 환경에서 테스트 결과를 확인합니다. 외부 서비스의 기능을 호출합니다. 이러한 기능을 AI에 연결하려면 기존에는 서비스마다 API를 분석하고, 인증 방식을 구현하고, 도구의 입력과 출력을 처리하는 코드를 작성해야 했습니다. MCP는 이러한 연결 과정을 공통된 프로토콜로 다룰 수 있도록 설계되었습니다. 비유하자면 MCP는 다양한 주변기기를 연결할...